Proposal Penelitian Adam
Proposal Penelitian Adam
OLEH :
ADAM REVALDI
201220520
i
DAFTAR PUSTAKA .......................................................................................... 23
ii
BAGIAN I PENDAHULUAN
Peternakan ayam merupakan salah satu sektor penting dalam industri peternakan
di Indonesia. Pertumbuhan populasi penduduk yang semakin meningkat,
meningkatkan permintaan akan daging ayam yang terus meningkat setiap tahun.
Namun, dalam menjalankan bisnis peternakan ayam, terdapat beberapa tantangan
yang harus dihadapi oleh para peternak, di antaranya adalah fluktuasi harga pakan,
kesehatan ayam, dan penentuan harga jual yang tepat.
Pada era digital saat ini, teknologi big data telah menjadi solusi untuk mengatasi
tantangan tersebut. Teknologi big data memberikan kemampuan untuk
mengumpulkan, menyimpan, mengelola, dan menganalisis data dalam jumlah yang
besar dan kompleks, sehingga dapat memberikan wawasan yang lebih baik dan
akurat untuk pengambilan keputusan.
Namun, meskipun teknologi big data memiliki potensi yang besar dalam
membantu pengambilan keputusan di peternakan ayam, masih terdapat sedikit
penelitian yang membahas tentang penggunaannya di sektor peternakan ayam di
Indonesia. Oleh karena itu, penelitian ini akan mengkaji lebih dalam tentang
analisis penggunaan teknologi big data dalam pengambilan keputusan pada
peternakan ayam, dengan harapan dapat memberikan kontribusi dalam
meningkatkan produktivitas dan keuntungan bagi para peternak.
3
1.2. Rumusan Masalah
4
1. Memberikan informasi yang lebih akurat dan terbaru bagi para peternak
ayam dalam pengambilan keputusan dalam aspek pakan, kesehatan ayam,
dan penetapan harga jual.
2. Membantu meningkatkan produktivitas dan efisiensi pada peternakan
ayam, sehingga dapat meningkatkan keuntungan bagi para peternak.
3. Menjadi acuan bagi para peternak ayam dalam menerapkan teknologi big
data dalam pengambilan keputusan pada peternakan ayam mereka.
4. Menambah wawasan dan pengetahuan bagi para peneliti dan akademisi
mengenai penggunaan teknologi big data pada sektor peternakan ayam di
Indonesia.
5. Menjadi referensi bagi pemerintah dan stakeholder terkait dalam
mengembangkan kebijakan dan program yang berhubungan dengan
penggunaan teknologi big data pada sektor peternakan ayam.
5
BAGIAN II TINJAUAN PUSTAKA
Adapun perabandingan pustaka dapat dilihat pada tabel 2.1 dibawah ini
Tabel 2.1 Penelitian Terdahulu
6
Big Data di
peternakan.
(Nurdiani & Rahardja, 2017) membahas penggunaan analitik Big Data dalam
pengambilan keputusan pada peternakan ayam secara umum. Artikel ini fokus pada
prediksi kualitas pakan, pemeliharaan ayam, dan efisiensi produksi.[1]
7
(Zhang & Qin, 2018) adalah tinjauan umum tentang penggunaan analitik Big
Data dalam peternakan ayam. Artikel ini membahas pengambilan keputusan yang
lebih baik, pemantauan kesehatan ayam secara real-time, dan pengelolaan risiko.[2]
(Yulianto, Soesanto, & Abdullah, 2019) membahas adopsi analitik Big Data
dalam peternakan hewan, termasuk peternakan ayam. Artikel ini menyoroti peluang
dan tantangan serta memberikan rekomendasi untuk penggunaan teknologi Big Data
di peternakan.[3]
(Chen & Qian, 2020) fokus pada penerapan analitik Big Data dalam pengambilan
keputusan pada peternakan ayam. Artikel ini membahas pengelolaan pakan,
kesehatan ayam, dan efisiensi produksi sebagai area utama penerapan teknologi Big
Data.[4]
8
ilmiah. Analisis ini bertujuan untuk mengidentifikasi pola, hubungan, dan tren yang
muncul dari data yang dikumpulkan.[6]
a) Analisis Konten
Analisis konten digunakan untuk menganalisis data yang berupa teks, baik itu
teks tertulis maupun teks lisan. Metode ini melibatkan proses pengkodean dan
kategorisasi data untuk mengidentifikasi pola dan tema yang muncul
b) Analisis Statistik
Analisis statistik digunakan untuk menganalisis data yang berupa angka atau
data yang dapat diukur secara numerik. Metode ini melibatkan penggunaan
teknik statistik seperti regresi, korelasi, dan uji hipotesis untuk mengidentifikasi
hubungan dan tren yang signifikan.
c) Analisis Tematik
Analisis tematik digunakan untuk menganalisis data yang berupa wawancara,
observasi, atau catatan lapangan. Metode ini melibatkan proses pengkodean dan
kategorisasi data untuk mengidentifikasi tema-tema utama yang muncul.
1) Volume: Big Data melibatkan jumlah data yang sangat besar, termasuk data
yang terus-menerus dihasilkan dari berbagai sumber seperti sensor, perangkat
9
mobile, media sosial, dan transaksi bisnis. Volumenya bisa mencapai terabyte,
petabyte, atau bahkan lebih.
2) Velocity: Data dalam Big Data dapat dikumpulkan dengan kecepatan yang
tinggi. Misalnya, data streaming dalam waktu nyata dari sensor atau platform
media sosial yang membutuhkan pemrosesan cepat untuk mendapatkan
informasi yang berarti dan waktu respons yang cepat.
3) Variety: Big Data mencakup beragam jenis data, termasuk data terstruktur
(misalnya, basis data tradisional), data tidak terstruktur (misalnya, teks, audio,
video), dan data semi-terstruktur. Data tersebut dapat berasal dari sumber yang
berbeda seperti sistem bisnis, media sosial, data geografis, dan lainnya.
4) Veracity: Veracity mengacu pada kualitas dan keandalan data. Karena Big Data
mencakup volume dan variasi yang besar, kualitas dan keandalan data bisa
menjadi tantangan. Data dapat mengandung kesalahan, ketidakakuratan, atau
bias, sehingga diperlukan analisis dan proses validasi yang tepat.
5) Value: Nilai dari Big Data terletak dalam kemampuannya untuk memberikan
wawasan baru, pemahaman yang mendalam, dan informasi berharga untuk
pengambilan keputusan yang lebih baik. Dengan analisis yang tepat, Big Data
dapat mengungkap tren, pola, dan hubungan yang tidak terlihat sebelumnya,
serta mendukung pengembangan strategi bisnis yang lebih efektif.
6) Variability: Variabilitas mengacu pada perubahan dalam pola dan karakteristik
data dari waktu ke waktu. Data dalam Big Data dapat berubah secara dinamis
dan memiliki tingkat variasi yang tinggi, sehingga perlu dikelola dan dianalisis
dengan pendekatan yang adaptif.
2.2.3.2. Teknologi dan alat untuk mengelola dan menganalisis Big Data
Ada beberapa teknologi dan alat yang dapat digunakan untuk mengelola dan
menganalisis Big Data. Berikut ini beberapa contohnya:
10
1) Sistem Penyimpanan dan Pangkalan Data Skala Besar: Untuk menyimpan dan
mengelola volume data yang besar, diperlukan sistem penyimpanan dan
pangkalan data skala besar. Teknologi seperti Hadoop dan Apache Spark
digunakan secara luas dalam mengelola Big Data. Mereka dirancang khusus
untuk memproses data terdistribusi di sejumlah node komputer.
2) Framework Pemrosesan Data Terdistribusi: Untuk memproses Big Data
dengan cepat dan efisien, terdapat beberapa framework pemrosesan data
terdistribusi seperti Apache Hadoop, Apache Spark, dan Apache Flink.
Framework ini memungkinkan pemrosesan paralel yang terdistribusi di
sejumlah komputer dan mempercepat analisis Big Data.
3) Alat Visualisasi Data: Alat visualisasi data seperti Tableau, Power BI, dan
D3.js membantu dalam mewujudkan data menjadi grafik, diagram, dan
visualisasi interaktif lainnya. Ini membantu dalam memahami dan
mengkomunikasikan wawasan yang terkandung dalam Big Data dengan cara
yang lebih intuitif dan efektif.
4) Teknik Pemrosesan Paralel dan Terdistribusi: Untuk meningkatkan kecepatan
pemrosesan Big Data, teknik pemrosesan paralel dan terdistribusi digunakan.
Apache Hadoop dan Apache Spark, misalnya, menggunakan paradigma
pemrosesan paralel dan terdistribusi untuk memproses data secara efisien di
sejumlah node komputer.
5) Teknik Analisis Data Lanjutan: Untuk mendapatkan wawasan yang lebih
mendalam dari Big Data, teknik analisis data lanjutan seperti machine learning,
analisis prediktif, dan analisis tekstual digunakan. Algoritma machine learning
seperti regresi, klasifikasi, pengelompokan, dan pendekatan lainnya digunakan
untuk mengidentifikasi pola, tren, dan hubungan yang tersembunyi dalam data.
6) Cloud Computing: Layanan cloud computing seperti Amazon Web Services
(AWS), Microsoft Azure, dan Google Cloud Platform (GCP) menyediakan
infrastruktur yang skalabel dan elastis untuk mengelola dan menganalisis Big
Data. Mereka menawarkan kapasitas komputasi yang tinggi dan layanan
pengolahan data yang dapat disesuaikan dengan kebutuhan bisnis.
11
7) Teknik Penyimpanan Data Terdistribusi: Untuk menyimpan dan mengelola
data yang sangat besar, teknik penyimpanan data terdistribusi seperti NoSQL
databases (misalnya MongoDB, Cassandra) dan NewSQL databases (misalnya
Google Bigtable, Apache HBase) digunakan. Mereka dirancang untuk
menangani skala, kecepatan, dan keragaman data dalam lingkungan yang
terdistribusi.
8) Teknologi Streaming Data: Untuk memproses data secara real-time atau
streaming, teknologi streaming data seperti Apache Kafka dan Apache Storm
digunakan. Mereka memungkinkan pemrosesan data secara kontinu saat data
masuk, memungkinkan analisis real-time dan pengambilan keputusan yang
cepat.
9) Teknik Data Integration: Teknik integrasi data seperti Extract, Transform,
Load (ETL) dan teknik data virtualisasi digunakan untuk mengintegrasikan
data dari berbagai sumber yang berbeda. Ini memungkinkan penggabungan
data dari berbagai sistem ke dalam satu sumber data yang terpusat untuk
analisis Big Data.
12
Herbert A. Simon: Pengambilan keputusan adalah proses berpikir yang
melibatkan pemilihan satu tindakan atau pilihan dari beberapa alternatif yang ada.
Simon juga memandang bahwa dalam situasi yang kompleks, manusia seringkali
hanya mampu melakukan pemecahan masalah yang memadai dan tidak mencapai
kesempurnaan [10]
Proses pengambilan keputusan melibatkan beberapa langkah yang dapat
membantu individu atau kelompok dalam memilih tindakan atau pilihan yang tepat.
Berikut adalah beberapa langkah umum yang terlibat dalam proses pengambilan
keputusan:
2.2.5. Proses pengambilan keputusan
a) Mengidentifikasi masalah atau tujuan: Langkah pertama adalah mengenali
adanya masalah yang perlu dipecahkan atau tujuan yang ingin dicapai. Dalam hal
ini, penting untuk mendefinisikan masalah dengan jelas dan memahami tujuan
yang ingin dicapai.
b) Mengumpulkan informasi: Setelah masalah atau tujuan diidentifikasi, langkah
selanjutnya adalah mengumpulkan informasi yang relevan dan diperlukan untuk
pengambilan keputusan. Informasi ini dapat diperoleh dari berbagai sumber,
seperti pengalaman pribadi, penelitian, data statistik, dan pendapat orang lain.
c) Menganalisis informasi: Setelah informasi terkumpul, langkah selanjutnya
adalah menganalisis informasi tersebut secara kritis. Ini melibatkan memeriksa
fakta, membandingkan alternatif, mengevaluasi kekuatan dan kelemahan setiap
pilihan, serta mempertimbangkan konsekuensi yang mungkin timbul dari
masing-masing pilihan.
d) Mengidentifikasi alternatif: Berdasarkan analisis informasi, langkah berikutnya
adalah mengidentifikasi berbagai alternatif atau pilihan yang tersedia. Alternatif
ini harus sesuai dengan masalah yang dihadapi dan tujuan yang ingin dicapai.
e) Mengevaluasi alternatif: Setelah alternatif diidentifikasi, langkah selanjutnya
adalah mengevaluasi setiap alternatif berdasarkan kriteria yang relevan. Kriteria
ini dapat mencakup aspek seperti efektivitas, efisiensi, biaya, dampak sosial,
risiko, dan kesesuaian dengan nilai-nilai dan prinsip yang penting bagi pengambil
keputusan.
13
f) Memilih tindakan atau keputusan: Setelah mengevaluasi alternatif, pengambil
keputusan harus memilih tindakan atau keputusan yang dianggap paling sesuai
dengan analisis dan evaluasi yang telah dilakukan. Keputusan ini haruslah sejalan
dengan tujuan yang ingin dicapai dan faktor-faktor lain yang relevan.
g) Melaksanakan keputusan: Setelah keputusan diambil, langkah berikutnya adalah
melaksanakan keputusan tersebut. Ini melibatkan mengambil tindakan yang
diperlukan untuk menerapkan keputusan secara efektif.
h) Mengevaluasi hasil: Setelah keputusan dilaksanakan, penting untuk
mengevaluasi hasilnya. Ini melibatkan memantau dan mengukur dampak dari
keputusan yang diambil, serta mempertimbangkan apakah hasil yang dicapai
sesuai dengan harapan dan tujuan yang ditetapkan.
2.2.6. Peternakan Ayam
2.2.6.1. Pengertian Peternakan Ayam
Peternakan ayam merujuk pada kegiatan beternak atau memelihara ayam
untuk tujuan komersial atau konsumsi. Ayam merupakan salah satu hewan ternak
yang paling umum dipelihara di seluruh dunia. Peternakan ayam dapat dilakukan
dalam skala kecil, menengah, maupun besar, tergantung pada tujuan dan kapasitas
peternak.
Tujuan utama peternakan ayam adalah untuk memproduksi telur atau
daging ayam secara efisien. Ayam dapat dipelihara untuk produksi telur, dengan
jenis-jenis ayam seperti ayam ras petelur atau ayam buras. Selain itu, ayam juga
dapat dipelihara untuk produksi daging, dengan jenis-jenis ayam seperti ayam ras
pedaging atau ayam broiler.
Peternakan ayam melibatkan berbagai aspek seperti pemilihan bibit yang
berkualitas, perawatan kesehatan ayam, manajemen pakan, pengaturan lingkungan
kandang, dan pengelolaan limbah. Dalam skala yang lebih besar, peternakan ayam
dapat melibatkan sistem kandang konvensional, sistem kandang baterai, atau sistem
kandang tanpa kandang (free-range).
Selain itu, ada juga peternakan ayam yang mengkhususkan diri pada
produksi ayam petelur atau ayam pedaging, sedangkan ada juga peternakan ayam
14
yang menggabungkan kedua tujuan tersebut. Tujuan peternakan ayam bisa berbeda-
beda tergantung pada kebutuhan pasar dan strategi bisnis peternak.
Dalam peternakan ayam modern, teknologi dan inovasi digunakan untuk
meningkatkan efisiensi dan produktivitas, seperti penggunaan sistem otomatis
untuk pengaturan suhu dan pakan, pemantauan kesehatan ayam dengan sensor, dan
penggunaan vaksinasi untuk mencegah penyakit.
Secara umum, peternakan ayam berperan penting dalam memenuhi
kebutuhan pangan akan telur dan daging ayam yang tinggi permintaannya di
pasaran. Selain itu, peternakan ayam juga memberikan kontribusi ekonomi dan
menciptakan lapangan kerja di sektor pertanian.
2.2.6.2. Sumber dan jenis data dalam konteks peternakan ayam
Dalam konteks peternakan ayam, terdapat beberapa sumber dan jenis data
yang dapat dikumpulkan dan dimanfaatkan untuk pengelolaan peternakan. Berikut
adalah beberapa sumber dan jenis data yang umum dalam peternakan ayam:
1) Data Produksi: Data produksi ayam mencakup informasi tentang jumlah telur
yang dihasilkan, berat telur, bobot ayam, konversi pakan, mortalitas ayam, dan
pertumbuhan ayam. Data ini penting untuk memantau performa produksi,
efisiensi, dan kesehatan ayam.
2) Data Kesehatan Ayam: Data kesehatan mencakup informasi tentang vaksinasi,
pengobatan, pengendalian penyakit, dan riwayat kesehatan ayam. Data ini
membantu dalam pemantauan kesehatan populasi ayam, pengendalian
penyakit, dan pengambilan tindakan pencegahan yang tepat.
3) Data Pakan: Data pakan mencakup informasi tentang jenis pakan yang
digunakan, komposisi nutrisi, penggunaan pakan, dan persediaan pakan. Data
ini penting untuk memantau konsumsi pakan, efisiensi pakan, dan pemilihan
pakan yang tepat sesuai dengan kebutuhan ayam.
4) Data Lingkungan: Data lingkungan mencakup informasi tentang suhu,
kelembaban, ventilasi, dan kualitas udara di kandang ayam. Data ini membantu
dalam mengoptimalkan kondisi lingkungan yang sesuai untuk pertumbuhan dan
kesehatan ayam.
15
5) Data Genetik: Data genetik mencakup informasi tentang asal-usul, garis
keturunan, dan karakteristik genetik ayam. Data ini penting dalam pemilihan
bibit, pemuliaan, dan pengembangan ayam dengan sifat-sifat yang diinginkan.
6) Data Pasar: Data pasar mencakup informasi tentang harga jual telur atau daging
ayam, tren pasar, dan permintaan konsumen. Data ini membantu dalam
pengambilan keputusan terkait harga jual, pemasaran, dan analisis pasar.
7) Data Keuangan: Data keuangan mencakup informasi tentang pengeluaran,
pendapatan, biaya produksi, dan keuntungan dari usaha peternakan ayam. Data
ini membantu dalam pengelolaan keuangan, analisis kelayakan, dan
perencanaan keuangan.
Pemanfaatan dan analisis data-data ini dapat membantu peternak ayam dalam
pengambilan keputusan yang lebih baik, pemantauan kinerja, dan pengoptimalan
operasional peternakan.
Analisis data dalam konteks peternakan ayam juga melibatkan data genetik,
yang mencakup informasi tentang asal-usul, garis keturunan, dan karakteristik
16
genetik ayam. Data genetik digunakan dalam pemilihan bibit, pemuliaan, dan
pengembangan ayam dengan sifat-sifat yang diinginkan.
2.2.8. Konsep dan prinsip penggunaan teknologi Big Data dalam peternakan
ayam
Konsep dan prinsip penggunaan teknologi Big Data dalam peternakan ayam
melibatkan penerapan pengumpulan, pengolahan, dan analisis data yang besar dan
kompleks untuk mendapatkan wawasan yang berharga bagi pengelolaan peternakan
ayam. Berikut adalah beberapa konsep dan prinsip penting yang terkait dengan
penggunaan teknologi Big Data dalam peternakan ayam:
17
BAGIAN III METODOLOGI PENELITIAN
Tabel 3.1.2
Tahun 2023
No Kegiatan Juli Agustus September Oktober
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Studi
1
Pendahuluan
Perancangan
2
Penlitian
Pengumpulan
3
data
4 Analisis Data
Interpretasi
5
Hasil
18
3) Menyusun instrumen penelitian, seperti kuesioner atau pedoman
wawancara, untuk mengumpulkan data yang relevan.
c. Pengumpulan Data
1) Melakukan pengumpulan data dengan mengaplikasikan instrumen
penelitian yang telah disiapkan ke responden yang terdiri dari peternak
ayam.
2) Mengumpulkan data primer melalui wawancara atau kuesioner yang
berkaitan dengan penggunaan teknologi Big Data dan pengambilan
keputusan pada peternakan ayam.
3) Mengumpulkan data sekunder dari sumber-sumber yang relevan, seperti
laporan industri, data pemerintah, atau publikasi ilmiah.
d. Analisis Data
1) Menganalisis data kualitatif dan kuantitatif yang telah dikumpulkan.
2) Menggunakan teknik analisis yang sesuai, seperti analisis deskriptif,
analisis regresi, atau analisis tematik.
3) Menggunakan perangkat lunak statistik atau alat analisis data yang relevan
untuk mendukung analisis data
e. Interpretasi Hasil
1) Membahas hasil analisis data untuk menjawab pertanyaan penelitian dan
mencapai tujuan penelitian.
2) Menghubungkan temuan penelitian dengan teori yang ada dan studi
sebelumnya.
3) Menyajikan temuan penelitian secara sistematis dan jelas.
19
Dalam penelitian ini, peneliti akan mengumpulkan data dari peternak ayam dan
pihak terkait mengenai penggunaan teknologi Big Data, tantangan yang dihadapi,
manfaat yang diperoleh, dan faktor-faktor yang mempengaruhi penggunaan
teknologi tersebut. Data yang dikumpulkan kemudian akan dianalisis secara
deskriptif untuk memberikan gambaran yang jelas tentang status quo penggunaan
teknologi Big Data pada peternakan ayam.
20
2) Laporan industri: Merujuk pada laporan-laporan industri yang diterbitkan
oleh lembaga-lembaga terkait yang membahas tren, perkembangan, dan
penerapan teknologi Big Data dalam pengambilan keputusan pada
peternakan ayam.
1. Hardware
Komputer dengan spesifikasi minimal sebagai berikut:
a) Prosesor: Intel Core i5 atau yang setara dengan kecepatan 2.5 GHz atau
lebih tinggi.
b) RAM: 8 GB atau lebih tinggi.
c) Penyimpanan: Hard disk dengan kapasitas minimal 500 GB atau solid-state
drive (SSD) dengan kapasitas minimal 256 GB.
d) Koneksi internet: Stabil dan cepat untuk mengakses sumber daya online
dan melakukan komunikasi dengan responden
2. Software
21
a) Sistem Operasi:
1) Windows 10 atau macOS Catalina (atau versi yang lebih baru) untuk
kebanyakan perangkat penelitian.
2) Linux (seperti Ubuntu) jika Anda terbiasa dan memilih menggunakan
sistem operasi ini.
b) Perangkat Lunak Analisis Data:
1) Python: Instal Python 3.x dengan paket-paket populer seperti Pandas,
NumPy, scikit-learn, dan Matplotlib untuk pengolahan, analisis, dan
visualisasi data.
2) Apache Hadoop: Untuk analisis data besar dan pemrosesan yang
terdistribusi, pertimbangkan menggunakan Apache Hadoop
Framework.
c) Perangkat Lunak Basis Data:
1) MySQL atau PostgreSQL: Database relasional yang mendukung
pengolahan data dan kueri.
2) MongoDB: Database NoSQL yang dapat digunakan jika data yang
diolah memiliki struktur yang fleksibel.
d) Perangkat Lunak Presentasi dan Visualisasi Data:
1) Microsoft Office: Gunakan Microsoft Excel untuk analisis data dan
Microsoft PowerPoint untuk membuat laporan penelitian.
2) Tableau, Power BI, atau Matplotlib: Untuk visualisasi data yang lebih
interaktif dan menghasilkan grafik atau visualisasi yang menarik.
e) Alat untuk Wawancara Online:
1) Zoom, Google Meet, Microsoft Teams, atau platform wawancara
online lainnya untuk melakukan wawancara online dengan responden.
22
DAFTAR PUSTAKA
[1] U. Nurdiani, R., & Rahardja, “Big Data Analytics for Decision Making in
Poultry Farming. IOP Conference Series: Materials Science and
Engineering,” 2017.
[2] S. J. Zhang, C., & Qin, “Big Data Analytics in Poultry Farming,” J. Big
Data, 2018.
[3] S. Yulianto, B., Soesanto, A., & Abdullah, “Adoption of Big Data
Analytics in Livestock Farming: Opportunities, Challenges, and
Recommendations.,” J. Eng. Appl. Sci., 2019.
[4] L. (2020). Chen, Y., & Qian, “The Application of Big Data in the Decision-
making of Poultry Farming.,” J. Comput. Sci. Technol., 2020.
[5] & S. Salam, S., Adinugroho, H., “The Utilization of Big Data Technology
in Poultry Farming Decision Support Systems.,” Int. J. Adv. Intell.
Informatics, 2021.
[6] H.-G. Ridder, “Book Review: Qualitative Data Analysis. A Methods
Sourcebook,” Ger. J. Hum. Resour. Manag. Zeitschrift für Pers., vol. 28,
no. 4, pp. 485–487, Nov. 2014, doi: 10.1177/239700221402800402.
[7] G. Karya and V. S. Moertini, “Pengembangan Aplikasi Antarmuka
Layanan Big Data Analysis,” J. RESTI (Rekayasa Sist. dan Teknol.
Informasi), vol. 1, no. 3, pp. 183–190, 2017.
[8] H. Anwar, I. Sultan, and A. Gorontalo, “Proses Pengambilan Keputusan
untuk Mengembangkan Mutu Madrasah,” J. Pendidik. Islam, vol. 8, no. 1,
2014, [Online]. Available: http://journal.walisongo.ac.id/index.php/
[9] T. R. Robert T. Clemen, “Making Hard Decisions with DecisionTools,”
2013.
[10] H. A. Simon, Decision Economics: In the Tradition of Herbert A. Simon’s
Heritage. 2017.
23